最近“大模型蒸馏”突然成了一个热门词。

9月8日，美国国家安全局、FBI和CISA联合发布报告，无理指责中国AI企业对美国前沿模型进行“大规模工业化蒸馏”，认为中国企业借此减少算力、研发和基础研究投入，快速缩小与美国模型的差距。Anthropic随后又发布报告，将矛头指向阿里、月之暗面、DeepSeek、小米、MiniMax等中国企业。

于是一个技术问题迅速变成了中美科技竞争的新战场。

但在判断谁对谁错之前，首先得搞清楚，什么叫“蒸馏”。

其实一点都不神秘。

假设学校里有一个特别厉害的老师，一个知识水平一般的学生。正常情况下，学生要自己读大量教材、做大量题目，几年才能达到比较高的水平。

但还有一种办法。

让老师先做十万道题，把问题、答案甚至解题思路全部记录下来，再让学生反复学习这些材料。最后这个学生虽然没有老师那么强，但可能用更少的时间和成本，学会老师相当一部分能力。

这就是大模型蒸馏最简单的理解。

在AI领域，一般把强大的模型称为“教师模型”，较小或者能力较弱的模型称为“学生模型”。教师模型产生大量高质量回答，学生模型学习这些答案，再通过训练把老师的一部分能力“压缩”进自己体内。

最大的好处就是省钱。

训练最先进的大模型，要花巨额资金购买GPU、电力和数据。而蒸馏可以让一个参数更小、成本更低的模型获得相当不错的推理、编程或者数学能力。

所以蒸馏本身完全不是一个贬义词。

Anthropic自己的报告也明确承认，distillation本身是一种合法而且普遍使用的AI训练技术。几乎所有头部AI公司都在使用蒸馏技术，把自己的大型模型能力转移到成本更低的小模型上。

真正产生争议的是另一件事。

如果“老师”是你自己的模型，当然不存在问题。

如果老师公开授权你使用训练数据，也没有问题。

但如果一家企业偷偷注册几千甚至几万个账号，大规模调用竞争对手的模型，专门套取回答和推理过程，然后用这些数据训练自己的模型，甚至绕过对方的地域限制和安全措施，事情就复杂了。

所以判断“蒸馏是不是偷技术”，不能一刀切。

打个更容易理解的比方。

你读一本数学教材，学会里面的方法，然后自己去做题，这当然不是偷。

你让老师合法给你上课，再把学到的知识用到自己的工作里，也很正常。

但如果你半夜潜进老师办公室，把还没公开的教案全部复印走，性质显然不同。

AI时代真正麻烦的地方在于，这几种情况之间的法律边界远没有传统世界那么清楚。

模型的一个回答究竟算不算知识产权？大量购买API服务以后，企业能不能用这些输出训练自己的模型？违反用户协议属于合同违约，还是侵犯知识产权？如果学生模型只是学会了一种推理能力，而没有复制具体代码和数据，又应该如何认定？

这些问题，目前全球都没有完全统一的答案。

而且这里还有另一个容易被忽略的问题。

今天美国企业指责中国企业“蒸馏”，但整个大模型产业本来就是建立在巨量公开数据、互联网内容、开源代码以及其他模型生成数据之上的。OpenAI、Anthropic、Google自己也在大量研究和使用合成数据、模型生成数据以及知识蒸馏。

所以真正应该讨论的，从来不是“能不能蒸馏”。

而是三条边界。

有没有得到授权，是否违反服务协议，有没有侵犯用户数据和商业秘密。

技术本身是中性的，决定性质的是获取数据和使用数据的方法。

也正因为如此，我觉得外交部发言人毛宁这次的回应值得仔细读。

面对美国三家安全机构的指控，毛宁没有陷入“蒸馏到底算不算偷”的技术争论，而是强调，中国人工智能的发展是“高水平科技自立自强的成果”，同时也得益于开放合作；中美作为人工智能大国，应加强合作，而不是进行“不实的指责和抹黑”。

这实际上触及了这场争议最深的一层。

AI从诞生第一天开始，就是建立在知识流动之上的产业。

论文互相引用，代码相互借鉴，开源模型相互学习，大模型之间也会通过合成数据彼此提高。未来如果把所有技术学习都定义成“盗窃”，最后得到的不会是更安全的AI，而会是两个完全割裂的AI世界。

该保护的知识产权当然要保护，该追究的数据泄露和违规访问也应该追究。

但不能因为中美AI竞争越来越激烈，就把一个全行业都在使用的技术突然政治化。

毛宁最后那句话反而最值得记住：“中美都是人工智能大国，应当加强合作。”

大模型可以互相竞争，但人工智能最终面对的问题，包括安全、知识产权、数据隐私和技术治理，都不是任何一个国家能够单独解决的。

这可能才是“大模型蒸馏”争议之外，更值得关注的问题。